blocks|key|1389809|text|对于基于深度学习的方法，可以使用掩码rcnn。它是一种非常强大的方法，可用于检测、定位和分割。该算法强大到足以识别不同的类，即使它们是相近的。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1389810|它将在数字周围生成包围框并对其进行分类。|1389811|请查看这个储存库，因为我的解释不能公正地对待同样的问题。|offset|length|1389812|它还包含供您学习的示例示例。唯一可能让你慢下来的事情是你必须注释你的图像。但是，使用转移学习可以减少实际用于培训的数据量。|1389813|以下是一些更相关的链接：|1389814|在您自己的数据集上培训MaskRCNN|1389815|在您自己的数据集中实现|1389816|了解有关MaskRCNN的更多信息|1389817|转移学习|1389818|当然会有关于以上主题的更好的文章，但这些是我使用过的文章。希望其他人会推荐给你。|1389819|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/matterport/Mask_RCNN|1|https://engineering.matterport.com/splash-of-color-instance-segmentation-with-mask-r-cnn-and-tensorflow-7c761e238b46|2|https://machinelearningmastery.com/how-to-train-an-object-detection-model-with-keras/|3|https://towardsdatascience.com/computer-vision-instance-segmentation-with-mask-r-cnn-7983502fcad1|4|https://towardsdatascience.com/deep-learning-using-transfer-learning-cfbce1578659^0|0|0|3|5|0|0|0|0|0|J|1|0|0|B|2|0|0|H|3|0|0|4|4|0|0^^$0|@$1|2|3|4|5|6|7|1B|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|1C|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|1D|8|@]|9|@$F|1E|G|1F|1|1G]]|A|$]]|$1|H|3|I|5|6|7|1H|8|@]|9|@]|A|$]]|$1|J|3|K|5|6|7|1I|8|@]|9|@]|A|$]]|$1|L|3|M|5|6|7|1J|8|@]|9|@$F|1K|G|1L|1|1M]]|A|$]]|$1|N|3|O|5|6|7|1N|8|@]|9|@$F|1O|G|1P|1|1Q]]|A|$]]|$1|P|3|Q|5|6|7|1R|8|@]|9|@$F|1S|G|1T|1|1U]]|A|$]]|$1|R|3|S|5|6|7|1V|8|@]|9|@$F|1W|G|1X|1|1Y]]|A|$]]|$1|T|3|U|5|6|7|1Z|8|@]|9|@]|A|$]]|$1|V|3|-4|5|6|7|20|8|@]|9|@]|A|$]]]|W|$X|$5|Y|Z|10|A|$11|12]]|13|$5|Y|Z|10|A|$11|14]]|15|$5|Y|Z|10|A|$11|16]]|17|$5|Y|Z|10|A|$11|18]]|19|$5|Y|Z|10|A|$11|1A]]]]

For deep learning based approach, you can use mask rcnn. It is a very powerful approach and can be used to detect, localize and segment. The algorithm is powerful enough to recognize different classes even if they are close together.
It will generate bounding boxes around the digits and classify them.
Please look into <a href="https://github.com/matterport/Mask_RCNN" rel="nofollow noreferrer">this repository</a> as my explanation would not do justice to the same.
It also contains sample examples for you to learn on. The only thing which may slow you down is that you will have to annotate your images. But using transfer learning you can reduce the amount of data you would actually use to train.
Here are some more relevant links:
<a href="https://engineering.matterport.com/splash-of-color-instance-segmentation-with-mask-r-cnn-and-tensorflow-7c761e238b46" rel="nofollow noreferrer">Training MaskRCNN on your own dataset</a>
<a href="https://machinelearningmastery.com/how-to-train-an-object-detection-model-with-keras/" rel="nofollow noreferrer">Implementation on your own dataset</a>
<a href="https://towardsdatascience.com/computer-vision-instance-segmentation-with-mask-r-cnn-7983502fcad1" rel="nofollow noreferrer">To understand more about MaskRCNN</a>
<a href="https://towardsdatascience.com/deep-learning-using-transfer-learning-cfbce1578659" rel="nofollow noreferrer">Transfer Learning</a>
There will of course be better articles on the above topics, but these are the ones I've used. Hopefully someone else will suggest them to you.

I am working on a problem of <code>handwritten digit recognition</code>. Basically, we need to recognize certain fields in documents like amount, account number, mobile number, etc.
Handwritten Digit recognition can be divided into 2 steps
<ol>
<li>Digit segmentation</li>
<li>Recognition of segmented digits</li>
</ol>
For <code>step-2</code> we can use some pertained <code>MNIST</code> models but the problem is how to segment the digits. I tried <a href="https://docs.opencv.org/trunk/d4/d73/tutorial_py_contours_begin.html" rel="nofollow noreferrer">OpenCV contours</a> but it is only helpful when digits are separated with blank pixels i.e. when they do not touch each other, but often user writes numbers with touching or connected digits
Can anyone suggest some deep learning or non deep learning based methods for this task
Sample Images
<a href="https://i.stack.imgur.com/e0pPP.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/e0pPP.png" alt="enter image description here" /></a>
<a href="https://i.stack.imgur.com/wFXP6.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/wFXP6.png" alt="enter image description here" /></a>
<a href="https://i.stack.imgur.com/NOEow.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/NOEow.png" alt="enter image description here" /></a>

How to segment handwritten digits

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我正在研究handwritten digit recognition的一个问题。基本上，我们需要识别文件中的某些字段，如金额、帐号、移动电话等。手写体数字识别可分为两个步骤。数字分割分段数字的识别对于step-2，我们可以使用一些相关的MNIST模型，但问题是如何分割数字。我试过使用，但只有当数字与空白像素分隔时才有帮助，即当它们彼此不接触时，用户通常用触摸或连接的数字写入数字。有谁能建议一些基于

问如何分割手写数字
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何分割手写数字EN